【技术实现步骤摘要】
事件检测方法及系统、存储介质及电子装置
[0001]本申请涉及音频数据识别
,具体而言,涉及一种事件检测方法及系统、存储介质及电子装置。
技术介绍
[0002]监控系统是当前安防领域内不可或缺的一部分,诸如校园、医院、商场等场景下,均依赖于监控系统进行监控以避免突发事件的发生,或在突发事件发生时可及时发现并进行处理。
[0003]相关技术中,监控系统多基于视频技术实现相应的视频监控,例如,监控摄像头等。上述视频监控设备虽然可以获取监控设备所设置位置发生的全过程事件,但其一方面仅能针对监控设备所设置位置进行相应的监控,而受限于地形复杂性与隐私性,往往在监控场景内存在一定的监控死角,视频监控设备对发生在上述监控死角的事件则无法进行有效的监控;另一方面,大多数监控场景中,视频监控设备仍需监控人员读取监控画面进行判断,而由于监控人员往往并无法全天候工作,故在特殊时段内,仅依靠视频监控设备无法避免突发事件的发生或无法及时进行相应处理。
[0004]针对上述视频监控设备的缺陷,相关技术中的部分监控系统集成了音频监控模块,即通过采集监控场景内的音频判断是否有相应的突发事件发生。然而,相关技术中的音频监控模块仅能单一的判断监控场景内是否有事件音的产生,诸如,监控场景内是否存在尖叫声,是否存在哭声,是否存在物品碎裂的声音等,但基于单一的事件音并不能有效的判断突发事件的发生以及突发事件的类型,经常会出现误判的情况。
[0005]针对相关技术中,音频监控模块并无法有效识别突发事件的问题,相关技术中尚无有效的解 ...
【技术保护点】
【技术特征摘要】
1.一种事件检测方法,其特征在于,包括:获取目标区域的音频数据,其中,所述目标区域为预设的监控区域;根据所述音频数据与预设的判定条件确定独立事件,并根据所述独立事件确定完整事件发生的概率;其中,所述独立事件与所述判定条件相对应,所述完整事件包括一个或多个所述独立事件。2.根据权利要求1所述的方法,其特征在于,所述根据所述音频数据与预设的判定条件确定独立事件,并根据所述独立事件确定完整事件发生的概率,包括:根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件,并根据所述第一独立事件和/或所述第二独立事件发生的情况确定完整事件发生的概率;其中,所述第一独立事件与第一判定条件对应,所述第二独立事件与第二判定条件对应,所述完整事件由所述第一独立事件和/或所述第二独立事件构成。3.根据权利要求2所述的方法,其特征在于,所述根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件,并根据所述第一独立事件和/或所述第二独立事件发生的情况确定完整事件发生的概率,包括:根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件,并根据所述第一独立事件确定第一概率值,根据所述第二独立事件确定第二概率值;其中,所述第一概率值用于指示所述第一独立事件存在的情形下,所述完整事件发生的概率;所述第二概率值用于指示所述第二独立事件存在的情形下,所述完整事件发生的概率;根据所述第一概率值和/或所述第二概率值确定所述完整事件发生的概率。4.根据权利要求2或3所述的方法,其特征在于,所述根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件,并根据所述第一独立事件和/或所述第二独立事件发生的情况确定完整事件发生的概率,包括:根据所述音频数据确定音频时序信息,其中,所述音频时序信息用于指示所述第一独立事件与所述第二独立事件的时序关系;根据以下对象确定所述完整事件发生的概率:所述音频时序信息,所述第一独立事件发生的情况,所述第二独立事件发生的情况。5.根据权利要求2或3所述的方法,其特征在于,根据所述音频数据与所述判定条件确定第一独立事件和/或第二独立事件,并根据所述第一独立事件和/或所述第二独立事件发生的情况确定完整事件发生的概率,包括:在所述完整事件发生的概率大于或等于预设阈值的情形下,输出所述完整事件的类型。6.根据权利要求1至3任一项中所述的方法,其特征在于,所述根据所述音频数据与预设的判定条件确定独立事件,并根据所述独立事件确定完整事件发生的概率,包括:根据音频数据与预设的判定条件通过第一神经网络模型与第二神经网络模型确定完整事件发生的概率;其中,所述第一神经网络模型根据所述音频数据与所述判定条件获取所述独立事件所对应的第一特征向量,其中,所述第一神经网络模型为使用第一样本数据训练的卷积神经网络模型,所述第一样本数据包括独立事件音数据和对应的独立事件标签,所述独立事件标签用于指示所述独立事件的类型;所述第二神经网络模型根据所述第一特征向量确定所述完整事件发生的概率,并在在
所述完整事件发生的概率大于或等于预设阈值的情形下,输出所述完整事件的类型,其中,所述第二神经网络模型为使用第二样本数据训练的卷积神经网络模型,所述第二样本数据包括完整事件音数据和对应的完整事件标签,所述完整事件标签用于指示所述完整事件的类型,所述完整事件音数据中包含一个或多个独立事件音数据。7.根据权利要求6所述的方法,其特征在于,所述第一神经网络模型根据所述音频数据与所述判定条件获取所述独立事件所对应的第一特征向量,包括:通过共享网络层获取所述音频数据的局部特征向量;通过第一分类层根据所述音频数据的局部特征向量提取N个独立事件音分别对应的所述第一特征向量,其中,N为大于0的整数,所述第一分类层包括N个分类器,每一分类器分别对应一个判定条件。8.根据权利要求7所述的方法,其特征在于,所述第二神经网络模型根据所述第一特征向量确定所述完整事件发生的概率,包括:对所述第一神经网络模型输出的所述N个独立事件音的第一特征向量进行编码;对编码后的所述N个独立事件音的第一特征向量进行识别;通过根据第一特征向量的识别结果确定所述完整事件发生的概率。9.根据权利要求8所述的方法,其特征在于,所述对编码后的所述N个独立事件音的第一特征向量进行识别,包括:根据所述音频数据确定音频时序信息,其中,所述音频时序信息用于指示所述独立事件之间的时序关系;根据第一特征向量的识别结果确定所述完整事件发生的概率,包括:根据所述独立事件对应的第一特征向量以及所述音频时序信息确定所述完整事件发生的概率。10.根据权利要求6所述的方法,其特征在于,根据所述音频数据与预设的判定条件确定独立事件,并根据所述独立事件确定完整事件发生的概率,包括:通...
【专利技术属性】
技术研发人员:司马华鹏,姚奥,汤毅平,
申请(专利权)人:宿迁硅基智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。